**Nonparametric Bayesian Dictionary Learning for
Analysis of Noisy and Incomplete Images论文浏览以及代码了解**
代码基于灰度图和RGB图像，根本过程都是一样的。
图像大小：256*256
学习形式：在线学习和batch learning
字典初始化形式：SVD和Rand；
图像块大小：8*8
图像块数目：249*249

如果学习形式是在线学习，则图像块不是全副作为数据应用，
而是迭代减少。

for colj=1:PatchSize        for rowi=1:PatchSize

在这64次迭代中，第一次，应用了1024个块，接下来，有14次，每次是减少（961+31），有49次是减少了961个块，总数为249*249个块。
块数的减少，代表训练样本的减少。每一次训练样本的减少，能够迭代屡次进行训练，学习DZS，依据吉布斯采样公式，对参数进行采样。
因为块之间有重叠，所以须要对后果进行均匀，在函数DenoiseOutput_LowMemoryReq中，对每个像素的叠加应用次数进行统计，每个像素的叠加估计值除以相应的叠加次数就是该像素的平均值，作为最终后果输入。

如果是batch learning，那么会把所有数据全副输出而后进行屡次迭代训练。